Annonce en lien avec l’Action/le Réseau : aucun
Laboratoire/Entreprise : CNRM, Meteo France
Durée : 36 months
Contact : nemesio.rodriguez@cesbio.cnes.fr
Date limite de publication : 2020-03-31
Contexte :
Thèse financé par le CNES et Méteo France.
Télédétection et modélisation des surfaces terrestres.
Assimilation de données dans le contexte de LDAS-Monde développé par le CNRM assimile des produits de niveau 2 d’humidité superficielle du sol et d’indice de surface foliaire de la végétation. La plupart des produits de niveau 1 (par exemple températures de brillance des radiomètres micro-ondes, coefficient de rétrodiffusion radar) contiennent à la fois de l’information sur l’humidité du sol et sur la végétation. Certaines variables telles que l’albédo de surface présentent une forte variabilité temporelle en réponse à l’éclairement solaire et aux conditions de surface (structure du couvert végétal, humidité du sol, etc.) qu’il est difficile à représenter avec des modèles physiques.
Sujet :
Dans un contexte de changement climatique et d’augmentation probable dans le futur de la fréquence et de l’intensité des événements
extrêmes, des sécheresses agricoles en particulier, il est nécessaire de mieux représenter la réponse de la végétation au climat. Le suivi
de l’impact des événements extrêmes sur les surfaces terrestres fait intervenir de nombreuses variables du système sol-plante, comme le
contenu en eau des sols et l’indice de surface foliaire (LAI) de la végétation. Ces variables peuvent être suivies de deux façons : (1) en
utilisant le volume d’observations sans précédent fourni par la flotte de satellites d’observation de la Terre, (2) en utilisant des modèles des
surfaces terrestres. Il existe une troisième solution qui consiste à combiner l’ensemble de l’information disponible en intégrant les
observations satellitaires dans les modèles. Ce processus s’appelle l’assimilation de données. Elle produit une analyse des variables
terrestres qui constitue la meilleure estimation possible car les informations de départ sont pondérées de façon à prendre en compte les
incertitudes. Elle n’est possible que pour les observations pouvant être simulées par le modèle. Les produits satellitaires de niveau 2 ou 3
sont des variables biophysiques pouvant être simulées par les modèles. Ces produits sont élaborés à partir des produits de niveau 1 que
sont les températures de brillance, les radiances, les réflectances, ou les coefficients de rétrodiffusion radar par exemple. Alors que les
produits de niveau 1 sont proches de l’observation physique faite par les capteurs embarqués, les produits de niveau supérieur sont le
résultat d’une interprétation de l’observation de niveau 1. Ce processus engendre une cascade d’incertitudes qu’il est difficile de quantifier
dans l’assimilation de données. Il est donc préférable d’assimiler des produits de niveau 1. L’objectif de la thèse est de développer
l’assimilation de produits de niveau 1 dans le modèle ISBA de la plateforme de modélisation SURFEX. ISBA est utilisé dans le système
d’assimilation de données LDAS-Monde (Albergel et al. 2017). Ces opérateurs d’observation seront fondés sur l’apprentissage
automatique (par exemple Rodríguez-Fernández et al., 2019) et concerneront les produits de niveau 1 des satellites SMOS, ASCAT,
Sentinel-1, SPOT-VGT, PROBA-V et Sentinel-3.
– Albergel et al., https://doi.org/10.5194/gmd-10-3889-2017, 2017
– Rodríguez-Fernández et al., https://www.mdpi.com/2072-4292/11/11/1334, 2019
Profil du candidat :
– Ingénieur ayant effectué son stage de fin d’études dans une thématique de recherche
– Titulaire d’un Master recherche en physique ou mathématiques appliquées
Formation et compétences requises :
Les candidats devront avoir des notions des techniques d’assimilation de données, d’apprentissage automatique, et éventuellement de
modélisation et/ou de télédétection des surfaces terrestres. La connaissance du langage Python est requis pour l’analyse des données,
ainsi qu’une expérience en programmation.
Adresse d’emploi :
Méteopole, Toulouse
Plus d’information:
https://recrutement.cnes.fr/fr/annonce/895060-168-contribution-of-artificial-intelligence-to-the-integration-of-satellite-31100-toulouse